1. 项目概述为什么选择Python来“搞定”B站视频作为一个经常在B站上找学习资料、收藏技术教程的开发者我经常遇到一个痛点有些视频质量极高想离线保存反复观看或者网络环境不稳定时备个份但B站官方并没有提供直接的下载按钮。网页上那些“解析下载”网站要么广告满天飞要么限速严重还总担心安全问题。于是我决定自己动手用Python写一个工具直接从源头解决问题。这不仅仅是“下载”这么简单更是一个深入理解网络请求、数据解析和流媒体处理的绝佳实践项目。Python在这类任务上有着天然的优势。丰富的第三方库比如requests处理HTTP请求BeautifulSoup或lxml解析HTMLjson处理接口数据让整个开发过程变得非常高效。更重要的是通过自己编写脚本你可以完全掌控下载的流程、清晰度选择、命名规则甚至实现批量下载、断点续传等高级功能这是任何第三方工具都无法提供的灵活性和学习价值。今天我就把自己折腾这个项目的完整思路、踩过的坑和最终成型的方案分享出来无论你是Python新手想练手还是老手需要一个可靠的下载方案相信都能从中找到你需要的东西。2. 核心思路与技术选型拆解在动手写代码之前我们必须先搞清楚B站视频是怎么被我们看到的。这决定了我们的技术路线。2.1 B站视频加载机制浅析当你打开一个B站视频页面时浏览器并非直接加载一个完整的视频文件。现代流媒体网站普遍采用基于HTTP的动态自适应流如DASH或传统的分片传输如HLS。B站主要使用的是DASH协议。简单来说一个视频会被编码成多种清晰度如1080P、720P每种清晰度的视频又被切割成许多小的、几秒钟到十几秒钟的.m4s片段文件。同时音频流通常也是独立的。页面加载时播放器会根据你的网速和设备能力动态请求对应的视频和音频片段然后在本地拼接、解码播放。因此我们的下载器核心任务就变成了获取视频信息拿到视频的标题、封面、分P信息以及最重要的——包含所有视频/音频片段地址的“播放列表”文件。解析播放列表从这个列表通常是一个JSON格式的数据中提取出所有视频片段和音频片段的真实网络地址URL。下载与合并并发或顺序下载所有的视频片段和音频片段然后将它们合并成一个完整的MP4文件。2.2 关键技术库选型与理由基于以上流程我选择了以下工具链并解释一下为什么是它们requestshttpx(异步可选)用于发送HTTP请求。requests是同步请求的绝对主流简单易用。如果考虑大量并发下载片段以提升速度可以引入支持异步的httpx或aiohttp。初期建议先用requests把流程跑通。json/re(正则表达式)B站的视频信息大多通过API接口返回数据格式是JSONPython内置的json库就能完美处理。有时一些关键信息会藏在页面的HTML脚本里用正则表达式re去匹配提取是最高效的方式。os/pathlib用于处理本地文件路径、创建文件夹保证下载的文件有组织地存放。concurrent.futuresPython内置的线程池/进程池模块。当需要同时下载几十上百个视频片段时使用线程池可以极大缩短IO等待时间这是提升下载速度的关键。ffmpeg-python或moviepy用于合并独立的视频流和音频流文件。这是专业且可靠的选择。ffmpeg是行业标准功能强大moviepy基于ffmpeg提供了更Pythonic的接口。我选择直接使用ffmpeg命令行工具通过subprocess调用因为最直接、可控。注意这里必须强调任何下载行为都必须遵守相关法律法规和网站的服务条款。本方案仅用于个人学习、研究或在明确允许的情况下备份自己拥有观看权限的内容严禁用于盗版、传播或任何商业用途。尊重创作者版权是底线。3. 实战步骤从零构建B站视频下载器下面我将分步拆解整个实现过程。我会先给出一个最简化的、可运行的版本然后再逐步添加清晰度选择、多P下载、进度显示等增强功能。3.1 第一步环境准备与基础请求首先确保你的Python环境3.6以上已经安装了必要的库。pip install requests接下来我们需要获取视频页面的基本信息。B站视频的页面URL格式通常是https://www.bilibili.com/video/BVxxxxxx或带有?p1这样的参数表示分P。import requests import re import json def get_bvid_from_url(url): 从URL中提取BV号 # 匹配 BV1xx4x1y7xx 这种格式 bvid_pattern r(BV[0-9A-Za-z]{10}) match re.search(bvid_pattern, url) if match: return match.group(1) else: raise ValueError(无法从URL中提取有效的BV号) def get_initial_info(bvid): 获取视频初始页面并提取关键信息 headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36, Referer: https://www.bilibili.com/ } url fhttps://www.bilibili.com/video/{bvid} resp requests.get(url, headersheaders) resp.raise_for_status() # 检查请求是否成功 # 在页面HTML中视频信息通常在一个script标签里window.__playinfo__ 和 window.__INITIAL_STATE__ 是关键 # 使用正则表达式提取 __playinfo__ (包含流媒体数据) 和 __INITIAL_STATE__ (包含视频基本信息) playinfo_pattern rwindow\.__playinfo__\s*\s*({.*?})/script initial_state_pattern rwindow\.__INITIAL_STATE__\s*\s*({.*?});/script playinfo_match re.search(playinfo_pattern, resp.text, re.DOTALL) initial_state_match re.search(initial_state_pattern, resp.text, re.DOTALL) if not playinfo_match or not initial_state_match: print(未能从页面提取到关键数据B站页面结构可能已更新。) # 可以尝试备用方案通过B站API接口获取 return None, None playinfo json.loads(playinfo_match.group(1)) initial_state json.loads(initial_state_match.group(1)) return playinfo, initial_state # 使用示例 video_url https://www.bilibili.com/video/BV1GJ411x7h7 # 示例BV号请替换 bvid get_bvid_from_url(video_url) playinfo, initial_state get_initial_info(bvid) if playinfo and initial_state: print(成功获取到视频信息) # 打印视频标题 video_title initial_state.get(videoData, {}).get(title, 未知标题) print(f视频标题{video_title})实操心得User-Agent和Referer模拟浏览器请求是必须的否则服务器可能直接拒绝或返回错误数据。正则提取的脆弱性这种方法依赖于B站前端代码的结构。如果B站更新了前端代码正则表达式可能会失效。这是此类爬虫工具最常见的维护点。因此一个健壮的工具最好有备用方案比如直接调用B站内部API。3.2 第二步解析播放信息与选择清晰度playinfo对象里包含了我们最需要的音视频流信息。它的结构大致如下{ data: { dash: { video: [ {id: 80, baseUrl: https://.../video.m4s?xxx, bandwidth: 1000000, codecid: 7, width: 1920, height: 1080}, // ... 其他清晰度的视频流 ], audio: [ {id: 30280, baseUrl: https://.../audio.m4s?xxx, bandwidth: 320000}, // ... 可能有多条音频流 ] }, quality: 112 // 当前播放的清晰度ID } }我们需要从中提取出不同清晰度的列表供用户选择然后获取对应清晰度的视频和音频流地址。def parse_quality_options(playinfo): 解析可用的清晰度选项 dash_data playinfo.get(data, {}).get(dash) if not dash_data: print(未找到DASH格式流信息该视频可能使用了其他格式或需要大会员权限。) return [] video_streams dash_data.get(video, []) quality_map { 120: 超清 4K, 116: 高清 1080P60, 112: 高清 1080P, 80: 高清 1080P, 64: 高清 720P, 32: 清晰 480P, 16: 流畅 360P } available_qualities [] for stream in video_streams: qid stream.get(id) qname quality_map.get(qid, f未知清晰度({qid})) bandwidth stream.get(bandwidth, 0) resolution f{stream.get(width, 0)}x{stream.get(height, 0)} available_qualities.append({ id: qid, name: qname, bandwidth: bandwidth, resolution: resolution, base_url: stream.get(baseUrl) }) # 按带宽大致代表清晰度降序排列 available_qualities.sort(keylambda x: x[bandwidth], reverseTrue) return available_qualities def select_quality_stream(available_qualities): 让用户选择清晰度并返回对应的视频/音频流信息 if not available_qualities: return None, None print(可用的清晰度选项) for idx, q in enumerate(available_qualities, 1): print(f {idx}. {q[name]} ({q[resolution]}, 码率: {q[bandwidth]//1000}Kbps)) try: choice int(input(请选择清晰度输入序号: )) - 1 if 0 choice len(available_qualities): selected available_qualities[choice] print(f已选择{selected[name]}) # 注意这里只返回了视频流信息音频流通常是单独的一条我们需要另外获取 return selected else: print(选择无效将使用最高清晰度。) return available_qualities[0] except (ValueError, IndexError): print(输入错误将使用最高清晰度。) return available_qualities[0] # 接续之前的代码 if playinfo: qualities parse_quality_options(playinfo) selected_video_stream select_quality_stream(qualities) # 获取音频流通常选择第一条或码率最高的一条 audio_streams playinfo[data][dash].get(audio, []) if audio_streams: # 简单选择第一条音频流 selected_audio_stream audio_streams[0] print(f音频流码率{selected_audio_stream.get(bandwidth, 0)//1000}Kbps)注意事项大会员清晰度像1080P、4K等清晰度可能需要大会员权限。即使你能在playinfo里看到这些流下载时也可能因为Cookie/Session问题被拒绝。普通用户通常只能下载到最高1080P的流。音频流选择通常只有一条通用音频流但有些视频可能有杜比音效等多条音轨可以根据id或bandwidth进行选择。3.3 第三步下载音视频片段并合并这是最核心的一步。我们拿到了视频和音频流的baseUrl但这通常只是一个“母地址”实际下载需要处理一系列.m4s片段。不过对于许多B站视频dash格式下的baseUrl可能直接指向一个完整的.m4s文件包含了所有片段信息或者我们需要通过另一个SegmentBase索引文件来获取片段列表。为了简化我们先处理baseUrl直接可下载的情况。import os from concurrent.futures import ThreadPoolExecutor, as_completed def download_file(url, filepath, headers, max_retries3): 下载单个文件支持重试 for i in range(max_retries): try: resp requests.get(url, headersheaders, streamTrue) resp.raise_for_status() total_size int(resp.headers.get(content-length, 0)) with open(filepath, wb) as f: if total_size 0: f.write(resp.content) else: downloaded 0 for chunk in resp.iter_content(chunk_size8192): if chunk: f.write(chunk) downloaded len(chunk) # 可以在这里添加进度条显示 return True except requests.exceptions.RequestException as e: print(f下载失败 ({i1}/{max_retries}): {e}) if i max_retries - 1: return False return False def download_video_and_audio(video_url, audio_url, video_title, output_dirdownloads): 下载视频和音频流并合并 os.makedirs(output_dir, exist_okTrue) # 清理文件名中的非法字符 safe_title re.sub(r[:/\\|?*], _, video_title) video_temp os.path.join(output_dir, f{safe_title}_video.m4s) audio_temp os.path.join(output_dir, f{safe_title}_audio.m4s) final_output os.path.join(output_dir, f{safe_title}.mp4) headers { User-Agent: Mozilla/5.0 ..., Referer: https://www.bilibili.com/ } print(开始下载视频流...) if not download_file(video_url, video_temp, headers): print(视频流下载失败终止。) return print(开始下载音频流...) if not download_file(audio_url, audio_temp, headers): print(音频流下载失败终止。) # 即使音频失败也清理视频临时文件 if os.path.exists(video_temp): os.remove(video_temp) return print(下载完成开始合并音视频...) # 使用ffmpeg合并 import subprocess ffmpeg_cmd [ ffmpeg, -i, video_temp, -i, audio_temp, -c, copy, # 直接流复制无需重新编码速度极快 -y, # 覆盖输出文件 final_output ] try: subprocess.run(ffmpeg_cmd, checkTrue, capture_outputTrue) print(f合并成功文件保存在{final_output}) # 清理临时文件 os.remove(video_temp) os.remove(audio_temp) print(临时文件已清理。) except subprocess.CalledProcessError as e: print(fFFmpeg合并失败: {e}) print(fstderr: {e.stderr.decode(utf-8, errorsignore)}) except FileNotFoundError: print(未找到ffmpeg命令请确保ffmpeg已安装并添加到系统PATH环境变量中。) print(你可以从 https://ffmpeg.org/download.html 下载安装。) # 整合调用 if selected_video_stream and selected_audio_stream: video_url selected_video_stream[base_url] audio_url selected_audio_stream[baseUrl] download_video_and_audio(video_url, audio_url, video_title)实操心得streamTrue在下载大文件时使用streamTrue可以避免一次性将整个文件加载到内存而是分块读取写入磁盘对内存更友好。FFmpeg是必备工具音视频合并离不开FFmpeg。-c copy参数是关键它指示FFmpeg只进行“流复制”remux而不进行耗时的重新编码几秒钟就能合并完成。错误处理网络请求和外部命令调用都可能失败必须用try...except包裹并给用户明确的错误提示。3.4 第四步功能增强与优化基础功能跑通后我们可以让它变得更实用、更健壮。3.4.1 处理分P多部分视频很多教程视频是分P的。initial_state对象里包含了videoData-pages列表里面就是所有分P的信息。def get_video_pages(initial_state): 获取视频的所有分P信息 pages initial_state.get(videoData, {}).get(pages, []) page_list [] for page in pages: page_list.append({ page: page.get(page), part: page.get(part, fP{page.get(page)}), cid: page.get(cid) # cid是每个分P的唯一标识用于获取播放信息 }) return page_list def download_multiple_pages(bvid, page_list, quality_id, output_dirdownloads): 批量下载多个分P for page_info in page_list: print(f\n开始处理分P{page_info[page]}: {page_info[part]}) # 需要根据每个分P的cid重新获取playinfo # B站有一个API接口可以获取https://api.bilibili.com/x/player/playurl?bvid{bvid}cid{cid}qn{quality_id} # 这里省略具体API请求代码逻辑与之前解析playinfo类似 # ... # 假设通过API获取到了 playinfo_for_page # selected_video_stream, selected_audio_stream parse_from_playinfo(playinfo_for_page, quality_id) # download_video_and_audio(video_url, audio_url, f{safe_title}_{page_info[part]}, output_dir)3.4.2 添加下载进度显示使用tqdm库可以轻松添加美观的进度条。pip install tqdmfrom tqdm import tqdm def download_file_with_progress(url, filepath, headers, max_retries3): for i in range(max_retries): try: resp requests.get(url, headersheaders, streamTrue) resp.raise_for_status() total_size int(resp.headers.get(content-length, 0)) with open(filepath, wb) as f, tqdm( descos.path.basename(filepath), totaltotal_size, unitB, unit_scaleTrue, unit_divisor1024, ) as bar: for chunk in resp.iter_content(chunk_size8192): size f.write(chunk) bar.update(size) return True except requests.exceptions.RequestException as e: print(f下载失败 ({i1}/{max_retries}): {e}) return False3.4.3 使用Session保持连接和Cookie如果需要下载大会员视频或处理登录状态需要使用requests.Session()来保持Cookie。session requests.Session() session.headers.update({ User-Agent: ..., Referer: https://www.bilibili.com/ }) # 如果已有登录Cookie可以手动设置 # session.cookies.set(SESSDATA, your_sessdata_here, domain.bilibili.com) # 然后用session.get/post代替requests.get/post resp session.get(url)4. 常见问题、排查技巧与安全风控应对在实际操作中你几乎一定会遇到下面这些问题。我把我的踩坑记录和解决方案整理如下。4.1 问题一window.__playinfo__提取失败或数据为空现象正则匹配不到数据或者playinfo[data][dash]为空。可能原因与解决方案页面结构已更新B站前端代码变更。解决方案检查网页源代码搜索__playinfo__看其位置和格式是否变化调整正则表达式。更稳健的方法是直接调用B站内部API。该视频是“课堂”或“课程”等付费/特殊类型这类视频的加载方式可能不同。解决方案尝试在请求头中携带更完整的Cookie如果已登录并观察其网络请求找到真正的数据接口。触发了B站的风控策略这是最常见的问题。请求头不完整、频率过高、IP异常等都可能导致。4.2 问题二触发“安全风控策略请求被拒绝”现象返回403 Forbidden或412 Precondition Failed页面或API返回包含“由于触发哔哩哔哩安全风控策略该次访问请求被拒绝”的提示。深度分析与解决方案请求头Headers不完整或不真实这是首要检查点。除了User-Agent和Referer现代网站还会检查Origin、Accept-Language、Accept-Encoding、Connection等。建议用浏览器开发者工具F12 - Network抓取一个正常播放页面的请求将其所有Headers复制过来。特别注意User-Agent不要使用Python默认的要用常见的浏览器字符串。Cookie缺失或无效对于某些清晰度或视频类型需要登录状态。即使不需要登录B站也可能依赖Cookie中的buvid3、_uuid等匿名标识来追踪会话。使用Session对象可以让Cookie自动管理。首次访问主页https://www.bilibili.com获取一个初始Cookie再进行视频页面请求成功率会高很多。请求参数缺失直接访问baseUrl下载时URL后面可能带有一长串参数如?deadline...gen...oi...ptag...。这些参数是经过签名的缺失或错误会导致403。关键点我们必须使用从playinfo里获取的、完整的baseUrl不能自己拼接或修改。IP请求频率过高短时间内对B站服务器发起大量请求容易被封IP。解决方案在下载片段时使用time.sleep(random.uniform(0.5, 1.5))添加随机延迟。使用代理IP池对于个人项目必要性不高且需注意代理来源的合法性。签名验证Wbi SignB站的部分API接口如获取视频信息使用了新的Wbi签名算法。如果你直接调用这些API遇到403可能需要实现签名算法。对于从HTML页面提取__playinfo__的方式通常可以绕过这个签名。一个加强版的请求头示例headers { authority: www.bilibili.com, accept: text/html,application/xhtmlxml,application/xml;q0.9,image/webp,image/apng,*/*;q0.8,application/signed-exchange;vb3;q0.7, accept-language: zh-CN,zh;q0.9,en;q0.8, cache-control: no-cache, pragma: no-cache, sec-ch-ua: Chromium;v122, Not(A:Brand;v24, Microsoft Edge;v122, sec-ch-ua-mobile: ?0, sec-ch-ua-platform: Windows, sec-fetch-dest: document, sec-fetch-mode: navigate, sec-fetch-site: none, sec-fetch-user: ?1, upgrade-insecure-requests: 1, user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0, }4.3 问题三下载的文件无法播放或只有音频/视频现象合并后的MP4文件用某些播放器打开黑屏、只有声音或者提示编码错误。排查步骤检查临时文件先别删除_video.m4s和_audio.m4s临时文件。用专业的播放器如VLC或ffprobeFFmpeg组件命令检查它们是否能单独播放。ffprobe -i your_video.m4s检查FFmpeg命令确保FFmpeg命令正确特别是输入文件路径。尝试手动在命令行执行合并命令查看FFmpeg的具体报错信息。尝试重新编码如果-c copy合并失败可能是源流存在兼容性问题。可以尝试让FFmpeg重新编码速度会慢很多ffmpeg_cmd [ffmpeg, -i, video_temp, -i, audio_temp, -c:v, libx264, -c:a, aac, -y, final_output]检查下载完整性对比下载的文件大小和响应头中的content-length是否一致。网络波动可能导致文件下载不完整。4.4 问题四清晰度选项不全或没有预期的高清选项现象解析出来的清晰度列表里没有1080P或更高选项。原因视频本身最高清晰度限制UP主上传时可能只传了720P。大会员限制1080P、4K等清晰度需要大会员。即使你登录了普通账号playinfo里也可能不会返回这些流信息。地区限制某些视频可能有区域限制影响了可用清晰度。解决方案无解这是由B站服务器根据你的账号权限和视频属性决定的。可以尝试在浏览器中登录大会员账号然后从浏览器Cookie中获取SESSDATA等关键字段填入你的脚本Session中再尝试获取。5. 进阶思路与项目封装当你把上述所有功能模块组合起来就已经是一个可用的命令行下载工具了。但我们可以走得更远图形界面GUI使用PyQt5、Tkinter或DearPyGui为脚本套上一个图形界面让非程序员用户也能方便使用。核心的下载逻辑完全复用。批量下载与列表管理支持读取一个文本文件里面每行一个BV号或URL实现全自动批量下载。结合多线程管理下载队列。元信息保存下载视频时将标题、UP主、封面、简介等信息保存到一个JSON文件或写入视频文件的元数据标签中。作为模块集成将核心的BilibiliDownloader类化提供清晰的API如download(bvid, quality, path)方便集成到其他更大的项目中比如自动化学习资料归档系统。整个项目从简单的网络请求开始逐步深入到流媒体协议、反爬策略、并发处理和多媒体文件操作是一个涵盖Web爬虫、网络编程、系统工具开发的综合性练手项目。最重要的是通过解决一个真实的需求驱动你去学习、调试和优化这种获得感是单纯看教程无法比拟的。最后再次提醒技术是用来创造和便利的请务必在法律和道德框架内合理使用它。
